卷積/卷積核

卷積（Convolution） 和 卷積核（Convolution Kernel） 是在圖像處理和卷積神經(jīng)網(wǎng)絡(luò)（CNN）中密切相關(guān)的兩個(gè)概念。

卷積

卷積是一種數(shù)學(xué)運(yùn)算，也稱為卷積運(yùn)算，它在信號(hào)處理、圖像處理以及機(jī)器學(xué)習(xí)領(lǐng)域有著廣泛應(yīng)用。

?在圖像處理中，卷積操作涉及將一個(gè)稱為卷積核（或?yàn)V波器、模板）的小矩陣在圖像上滑動(dòng)，對(duì)核覆蓋的圖像區(qū)域內(nèi)的像素值進(jìn)行加權(quán)求和。這個(gè)過程能夠提取圖像的特定特征，如邊緣、紋理等。

?通過卷積，可以實(shí)現(xiàn)圖像的降噪、銳化、模糊等效果，或是特征提取，是構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)運(yùn)算之一。

卷積核

卷積核，也稱為濾波器或卷積模板，是一個(gè)小型的矩陣，通常包含實(shí)數(shù)值，用于在卷積操作中與圖像的一部分進(jìn)行計(jì)算。

?卷積核的大?。ɡ?x3、5x5等）和其中的權(quán)重值是事先設(shè)定或通過學(xué)習(xí)得到的。這些權(quán)重決定了在卷積運(yùn)算中哪些圖像特征會(huì)被強(qiáng)調(diào)或抑制。

?不同的卷積核可以捕獲圖像的不同特征，比如水平邊緣、垂直邊緣、紋理等。在卷積神經(jīng)網(wǎng)絡(luò)中，通過學(xué)習(xí)過程自動(dòng)調(diào)整這些權(quán)重，以優(yōu)化模型對(duì)特定任務(wù)的表現(xiàn)。

?卷積核在圖像上滑動(dòng)時(shí)，每次覆蓋圖像的一個(gè)局部區(qū)域，與該區(qū)域內(nèi)的像素值逐一相乘（有時(shí)在計(jì)算前會(huì)先將卷積核旋轉(zhuǎn)180度），然后求和得到輸出圖像的一個(gè)像素值。

簡(jiǎn)而言之，卷積是一種操作或過程，它利用卷積核來提取圖像特征。卷積核是卷積過程中的關(guān)鍵參數(shù)，決定了特征提取的方式和類型。在深度學(xué)習(xí)尤其是卷積神經(jīng)網(wǎng)絡(luò)中，卷積核的自動(dòng)學(xué)習(xí)是模型能夠識(shí)別和分類圖像的關(guān)鍵機(jī)制。

直方圖（Histogram）

?直方圖是統(tǒng)計(jì)學(xué)中表示數(shù)據(jù)分布的圖形方法，在圖像處理領(lǐng)域中，它用來描述圖像中像素強(qiáng)度（如灰度值）的分布情況。具體而言，它是一個(gè)柱狀圖，橫軸表示像素的灰度級(jí)（或顏色值），縱軸表示該灰度級(jí)像素的數(shù)量或頻率。

?對(duì)于灰度圖像，直方圖顯示了每個(gè)灰度級(jí)在圖像中出現(xiàn)的頻次，從而直觀地反映了圖像的明暗分布和整體對(duì)比度。直方圖是理解和分析圖像特性的重要工具，也是進(jìn)行圖像增強(qiáng)、分割、匹配等預(yù)處理的基礎(chǔ)。

直方圖均衡化（Histogram Equalization）

?直方圖均衡化是一種圖像增強(qiáng)技術(shù)，旨在改善圖像的全局對(duì)比度，尤其是當(dāng)圖像的大部分像素集中在較窄的灰度范圍內(nèi)時(shí)。該方法通過改變圖像的灰度級(jí)分布，使得變換后的圖像直方圖接近均勻分布。

?實(shí)現(xiàn)均衡化的過程涉及計(jì)算原圖像直方圖的累計(jì)分布函數(shù)（CDF），然后根據(jù)這個(gè)函數(shù)映射原圖像的每個(gè)像素值到新的灰度級(jí)，以達(dá)到擴(kuò)展像素值動(dòng)態(tài)范圍的目的。這樣做的結(jié)果是提高了圖像的對(duì)比度，使得圖像的暗部和亮部細(xì)節(jié)更加明顯。

?均衡化不改變圖像的總體亮度，但能有效增強(qiáng)圖像中原本對(duì)比度較低的區(qū)域，使之更適合視覺觀察或進(jìn)一步的圖像分析。盡管如此，均衡化也可能增強(qiáng)噪聲，且對(duì)于具有特定亮度分布的圖像（如日出或夜景）可能不總是產(chǎn)生理想效果。

簡(jiǎn)而言之，直方圖是圖像灰度級(jí)分布的圖形表示，而直方圖均衡化是一種基于直方圖分析的圖像處理技術(shù)，通過調(diào)整像素值分布來增強(qiáng)圖像的對(duì)比度和視覺效果。